合软硬 件优势，加速了大模型的训练与部署，有效支撑了产业侧大模型的应用建设。 4）商业化以项目制与订阅制为主流：政企侧客户以项目制为主，C端产品多采用“免费+订阅 制”的模式。新兴商业模式为按应用效果或功能点收费，创新的模式可在降低客户采购决策成 本的同时，倒逼供应商持续优化产品技术与服务。 5）全球化战略：面对国内激烈竞争，众多企业积极出海，布局海外市场，在图像、视频和社交 等领域有较多突破。 2022年-2024年，在大语言模型之外，Transformer架构更多融入语音、视觉领域，发展 端到端的语音大模型、以DiT、ViT为代表的视觉大模型。 大模型应用逻辑：1）替代逻辑-小模型既有场景，但大 模型的效果更好 2）可行逻辑-原本小模型在某些场景能 力无法达到，大模型具备可行性 3）创新逻辑-大模型发 掘了客户需求，在需求侧未提出要求情况下创造新场景 需求 各家积极发展结合强化学习、思维链的“后训练“，推出深度推理模型。在效率优 正朝着处理更长序列、更大规模数据和实时应用场景的方向发展，新型高效注意力 算法和硬件协同优化可能成为重要突破口。 扩散模型在视觉效果和多样性上表现优异，但计算成本较 高；GAN可能存在训练不稳定和模式崩溃的问题，但在一 些任务中能实现较快的生成速度。已有研究在尝试融合两 者的优点，以在生成效果和效率之间找到更好的平衡。 12 ©2025.3 iResearch Inc.

合软硬 件优势，加速了大模型的训练与部署，有效支撑了产业侧大模型的应用建设。 4）商业化以项目制与订阅制为主流：政企侧客户以项目制为主，C端产品多采用“免费+订阅 制”的模式。新兴商业模式为按应用效果或功能点收费，创新的模式可在降低客户采购决策成 本的同时，倒逼供应商持续优化产品技术与服务。 5）全球化战略：面对国内激烈竞争，众多企业积极出海，布局海外市场，在图像、视频和社交 等领域有较多突破。 2022年-2024年，在大语言模型之外，Transformer架构更多融入语音、视觉领域，发展 端到端的语音大模型、以DiT、ViT为代表的视觉大模型。 大模型应用逻辑：1）替代逻辑-小模型既有场景，但大 模型的效果更好 2）可行逻辑-原本小模型在某些场景能 力无法达到，大模型具备可行性 3）创新逻辑-大模型发 掘了客户需求，在需求侧未提出要求情况下创造新场景 需求 各家积极发展结合强化学习、思维链的“后训练“，推出深度推理模型。在效率优 正朝着处理更长序列、更大规模数据和实时应用场景的方向发展，新型高效注意力 算法和硬件协同优化可能成为重要突破口。 扩散模型在视觉效果和多样性上表现优异，但计算成本较 高；GAN可能存在训练不稳定和模式崩溃的问题，但在一 些任务中能实现较快的生成速度。已有研究在尝试融合两 者的优点，以在生成效果和效率之间找到更好的平衡。 12 ©2025.3 iResearch Inc.

通过文档解析和切片，减轻客户的知识整理成本 汽车手册复杂，知识 冷启动慢 需要跟传统机器人结合大模型增强，传统机器人无法回答时， 大模型对汽车专业词汇精准理解回复 传统机器人不智能， 应答效果差 客户诉求 产品示例 人工校验入库 在售前/售后服务领域：腾讯乐享帮助打造一站式智慧售前/服务社区 乐享讲好品牌故事，传播好企业文化，让工业企业和零售户感受到有规则，有公平，有信心 Deepseek 也是是助力工业制造行业数智转型升级的核心引擎 在制造领域，云边端协同智能平台助力极限制造创新 私有云 • 场景：密封钉、极耳翻折、电池外观 • 方案：质检设备+算法模型+平台工具 • 效果：质检指标比人工提升10倍；联 合发布《工业AI质检标准白皮书》。 面：云边端协同智能云平台 体：联合创新、人才与生态合作 电池材料筛选研究 AI 电池寿命预测 AI联合实验室 IDC光储能源 基于数字底座的智能物流调度确保新能源企业高效不间断生产 业务挑战 AGV、物流设备与载具缺乏有效管理，频繁出现问题。调度系统不具备追溯功能； MES非实时性致使AGV无法及时切换，临时工单需要人工参与清料处理。 方案效果 数白天AGV设备与载具进行统一物联与管理，大幅降低故障率，避免产线因AGV调度 停产造成的百万损失。支撑电池片生产追溯与产线工艺流程的优化改进。 智化创新平台帮助企业打造灯塔工厂和行业云 12

年全国工商联经济服务部、国家发改委宏观经济研究院等 对大陆地区民营企业开展问卷调查结果，从转型投入及支撑保障来看，目前约 68%的民营企 业数字化主要痛点是资金紧张、人才缺失，制约了数字化转型的效果。 第 8 页 通过对金融、制造、能源、新零售几个典型行业的企业调研可以发现，企业数字化建设的 进程普遍推进较快，但企业对于数字化人才的需求较大，这主要因为企业内部熟悉并能熟练掌 握数字技术的员工往往是少数（主要为企业 解决方案，设计和实施数字应 用和业务流程； 2）协调不同部门的数字化应 用：与不同部门合作确保数字 应用的整合和顺利实施，解决 部门间的数字化协同问题； 3）应用深化和推广成果：评估 和优化数字应用的效果和业务 成果，宣导价值和推广应用。 第 11 页 第 12 页  数字人才能力模型 1.“井”型数字人才能力结构模型 人瑞人才联合德勤中国、社会科学文献出版社撰写并发布《产业数字人才研究与发展 设数字化相关专业及课程，旨在全面建 设好数字化“地基”并实际落地运营。由于数字化相关内容具有联动性强、横跨多领域多学科、 高度创新以及快速应变等特性，高校授课难以达成与市场同步、与时代同频的预期效果 。岗 位经验的匮乏，也使得高校学生无法将专业技能与专业技术充分结合，所以培育出的数字化人 才不能满足市场和企业的需求。 企业的业务层面往往有较高壁垒，尤其是传统行业，纯粹的数据技术人才不理解业务，和

OpenAIo1 开启后训练 Post-Training 时代下的 RL 新范式：后训练扩展律 Post-Training Scaling Law DS-R1 独立发现了一些通往 o1 路上的核心理念，并且效果还好到受到了 OpenAI 的认可 如何通过有效的 Test-Time Scaling 和 Train-Time Scaling 提升模型的推理能力？ 得益于纯大规模强化学习 ， DeepSeek-R1 Distribution 直觉，后期 RL 探索过程进一步 挖掘激活 大规模 RL 起到了激活和发掘预训练阶段积累的知识和推理能力的作用 DeepSeek-V3 低成本（ 5,576,000 美元 ）带来惊艳效果 MoE 架构 671B 激活 37B \ 使用 Multi-head Latent Attention (MLA) 架构 DeepSeek-R1 技术剖析：背后的教师模型 DeepSeek-V3 随着测试阶段算力和训练阶段探索算力的增加，根据后训练 Scaling Law ，模型的表现将持续得到改善。 理想的数据构建应当覆盖广泛的类别， 并且难度分级明确， 这有利于实现类似课程学习的效果，逐步提高模 型的能力。 在奖励建模时，必须确保基于奖励模型的奖励机制不会被轻易攻陷。平衡推理长度与推理正确率之间 的关系。例如，针对一个序列中的下一个动作，若存在一个是错误答案而另一个是正确答案的情况，

成并进行润色，不少于500字。 帮我把这份报告包装一下，我要写成周报给 老板看，老板很看重数据。 传统 DeepSeek 2.DeepSeek提示词技巧-通用公式 我要（做）**，要给**用，希望达到**效果，但担心**问题 37 例如：我要做一个从北京到日本的旅游攻略，要给爸妈用，希望让他们在日本开心的玩20天，但我担心他们玩 的累，腿和腰不太好 √ 先抓住总原则 √ 全面非常考虑o(￣▽￣)ｄ 贴心准备清单 甚至细致考虑到了 每日5000步 2.DeepSeek提示词技巧-通用公式 2.DeepSeek提示词技巧-通用公式 39 任务 背景 负面限定 目标 做什么 给谁用 期望效果 担心的问题 “内心戏” 3.DeepSeek提示词技巧-说人话 适合场景：科研，了解新事物 40 了避免DeepSeek的回答过于官方、专业，可以尝试这三个字“说人话” 你问：什么是“ “请你列出10个反对理由再给方案” “如果你是老板，你会怎样批评这个方案？” “这个回答你满意吗？请你把回答复盘至少10轮” 5.DeepSeek提示词技巧-善于模仿 42 如果你想写一篇文案，用提示词约束，可能效果一般般，但如果你给一篇文章模仿或者让ta 模仿谁的语气，DeepSeek大概率会写到你的心趴上。 6.DeepSeek提示词技巧-擅长锐评 43 DeepSeek自带情商，各种语气也能完美拿捏！

效率 • 蒸馏垂类⼩模型能⼒，不输于全尺⼨模 型 GRPO( 群体相对策略优 化 ) • ⼤道⾄简，⽤强化学习跳出题海和⼩ 测 让模型⾃⼰学会 思考 DeepSeek 的创新突破 效果体验惊艳，成本极致压缩 8 成本优势 技术震撼 开源引爆 垂直适配 • 550 万美元预训练成 本达到 GPT-4 级别性 能， 打破“算⼒军备 竞赛”魔咒 • 垂类⼩模型不输于⼤模 型 DeepSeek 天然适合医疗 ⾏业 ⼤模型发展的⼏⼤“基⽯” 04 06 03 05 医疗⾏业独特优势 02 01 10 来保障⼤模型应⽤企业级端到端效果 • DS 幻觉率更⾼，另外实际测试应⽤中有指令遵循较弱、 拒答率⾼等问题 • 医疗领域幻觉⽐例甚⾄⾼达 20-30%2 幻觉情况 1 DeepSeek 虽好，但也不是“六边形战 试验设计优化 • 患者分层：基于⼤模型的语义理解能⼒， 从历史数据中识别符合⼊组标准的“数 字孪⽣”患者群体，提⾼招募效率 • 剂量探索：通过强化学习算法模拟不同 剂量⽅案的效果，缩短 1 期的试验周期 试验执⾏多元 • 去中⼼化试验⽀持：居家数据采集与 依 从性管理 • 院外数据的⾃动采集和综合分析 执⾏效率提升 • 医院侧： 电⼦病历⾃动化 • CRO/

从海量数据中提炼⾼价值信息，提升模型 学习效率 • 蒸馏垂类⼩模型能⼒，不输于全尺⼨模型 数据蒸馏技术 • ⼤道⾄简，⽤强化学习跳出题海和⼩测 让模型⾃⼰学会思考 GRPO(群体相对策略优化) 效果体验惊艳，成本极致压缩 8 为什么⼈⼈都爱DeepSeek? 成本优势 • 550万美元预训练成 本达到GPT-4级别性 能，打破“算⼒军备 竞赛”魔咒 • 技术成本的下降，为 ⾏业上下游带来更多 DeepSeek创新技术引发新变化 医疗⾏业独特优势 10 DeepSeek虽好，但也不是“六边形战⼠” 在落地过程中，仍需结合⼀定的应⽤框架（RAG、⼯作流、Agent等）和⼯程优化 来保障⼤模型应⽤企业级端到端效果 • DS幻觉率更⾼，另外实际测试应⽤中有指令遵循较弱、 拒答率⾼等问题 • 医疗领域幻觉⽐例甚⾄⾼达20-30%2 幻觉⾼=“创造⼒税“ 底层⼤模型各有所长 幻觉情况1 11 数据来源：1 试验，去观察有潜⼒的适应症 研发⽅向探索 • 患者分层：基于⼤模型的语义理解能⼒， 从历史数据中识别符合⼊组标准的“数 字孪⽣”患者群体，提⾼招募效率 • 剂量探索：通过强化学习算法模拟不同 剂量⽅案的效果，缩短1期的试验周期 试验设计优化 • 去中⼼化试验⽀持：居家数据采集与依 从性管理 • 院外数据的⾃动采集和综合分析 试验执⾏多元 • 医院侧：电⼦病历⾃动化 • CRO/企业：辅助⽂档处理、数据分析

化的途径。数字孪生技术可以帮助金融机构发现流程中的瓶 颈并通过模拟业务流程来优化低效环节。这种模拟既包括前 台的客户服务流程也包括后面的清算、结算等操作流程，优 化模拟流程能达到在不影响实际业务运行的前提下，提高业 务效率的效果。 4.数据安全与隐私保护 金融机构在数字化转型过程中，面临着数据安全和隐私 保护的挑战。数字孪生技术通过创建数据的虚拟副本，使得 金融机构可以在不泄露客户敏感信息的前提下，对虚拟数据 进 策方面，能够显著提升金融服务实体经济的能力，体现科技 金融的核心价值。 2.在客户服务方面 融合元宇宙、VR、AR等技术构建的金融虚拟厅堂，能为 客户提供沉浸式的服务体验，还能为员工培训提供模拟真实 场景的平台，有效提高培训效果。在优化客户服务流程的同 时，提升员工的专业技能，对提升金融机构的整体服务质量 和效率具有重要意义。这与普惠金融“提高金融服务的普及 性和可获得性”的目标不谋而合。 3.在品牌形象展示方面 备。客户可通过多种渠道（如手机、电脑、VR/AR设备）进 入虚拟网点，享受个性化、高效的厅堂服务。虚拟厅堂不仅 能够提升客户体验，降低运营成本，还能实时监控服务过程 并进行数字化定量分析，达到不断优化服务流程及客户体验 的效果。 2.解决业务问题 （1） 提升客户体验 传统金融机构厅堂服务，存在客户排队时间较长，服务 效率较低的问题，可能降低客户的用户体验及客户对金融机 构的满意度评分。数字孪生技术可以结合元宇宙、VR、AR等

个性化培训计划：提高培训针对性，激发员工学习积极性 分析员工的岗位需求、技能水平、绩效数据和职业发展规划，制定个性化的培训计划 推荐最适合的培训课程和学习资源，实时跟踪学习进度，提供反馈和建议，提高培 训的针对性和效果 人才预测与保留：预测人才流失风险，优化员工职业发展路径 分析员工的行为数据、绩效表现和离职趋势，预测人才流失风险，为管理者制定留 才策略提供数据支持 提供人才发展规划建议，优化员工职业路径，提升员工忠诚度并满足企业未来的 针对性的人才赋能方案。 在实际应用层面，UMU 的 AI 力测评工具 突破了传统一次性评估的局限，通过持续 追踪员工 AI 力的提升轨迹，精准对比员 工在 AI 赋能培训前后的变化，有效衡量 培训效果与投资回报，确保企业的 AI 力 的稳步提升。 在人才管理方面，AI 力测评正成为人才选拔的重要参考，以数据驱动的方式客观评估员 工的 AI 力和发展潜力，尤其在甄选高潜人才时，为企业决策提供科学依据，助力打造适 U 基于 200 多篇顶级权威论文和 企业 AI 战略转型的最佳实践，创新性地推出了《发展大模型时代的 AI 力》线上课程。 传统的企业培训多依赖线下集中授课，这种模式不仅耗费大量人力物力，学习效果也差 强人意。由于学习负荷过重，学员注意力容易分散，知识吸收效率低下，且难以将理论快 速转化为实践技能，最终制约了企业人才培养的质量与效率。 《发展大模型时代的AI力》线上课程颠覆了传统培训“先学后用”的低效模式，倡导“在